【摘要】：隨著社會科技的發(fā)展,工業(yè)化和城市化不斷深入,人類對水資源的需求將會維持一段較長時間的增長,但是由于全球氣候變化,可供人類使用的水資源逐漸減少,這就導致水資源供需矛盾更加尖銳,因此合理利用水資源是當前的重要任務。城市水資源的合理利用主要由城市供水調度系統決定,而需水量預測的準確程度直接影響到供水系統投資、管網布局和運行的合理性。因此,必須要對城市水資源的需求進行科學合理的預測。進行需水預測最重要的是根據用水數據特點選擇科學合理的預測方法,建立準確的數學模型。傳統預測方法的數學模型,雖然計算量小,速度快,但是也有許多缺陷,如沒有自學習的能力,不具備自適應性,預測方法不夠健壯等。然而,用水量數據的變化具有非線性、時變性和不確定性等特征,傳統的預測方法已經不能滿足需水量預測對精度的要求。神經網絡的使用為此提供了新的思路。本文采用基于Elman神經網絡的組合預測方法對校園時用水量進行了預測,主要內容包括以下幾個部分:在用水數據處理部分,對原始數據進行凈化和有效的預處理對實現準確預測是十分重要的。同時,用水數據是隨機非平穩(wěn)序列,為預測增加了一定的難度。所以,本文對用水數據進行了分析處理,以得到一組滿足預測算法輸入要求的較完善的數據。首先,對缺失和異常的數據進行補足和替換。針對缺失值采用的平均數替代法,針對異常值采用的水平和垂直處理方法。然后,采用集合經驗模態(tài)分解(Ensemble Empirical Mode Decomposition,EEMD)方法對數據進行分解,得到相對平穩(wěn)的數據分量。最后,由于分量數量過多,所以進行灰色關聯度分析,將關聯度較高的分量進行合并,重構序列,最終得到數量較少且相對平穩(wěn)的序列作為預測輸入。針對用水數據進行預測,本文提出了基于Elman神經網絡的用水量預測模型。Elman神經網絡收斂速度較快,能夠動態(tài)建模,對于預測用水數據這樣波動行較大的數據具有一定優(yōu)勢。但是Elman神經網絡依然存在全局搜索能力差的缺陷。因此,本文針對這一缺陷,采用遺傳算法對Elman神經網絡進行優(yōu)化,選取Elman神經網絡預測的最佳權值和閾值,使網絡性能達到最優(yōu)。在進行預測仿真時,首先用遺傳算法對Elman神經網絡進行優(yōu)化,找到全局最優(yōu)的權值閾值,然后將最優(yōu)解帶入到Elman神經網絡作為初始參數進行Elman神經網絡的訓練,對于訓練好的網絡采用滾動預測的方法,不斷更新訓練數據的樣本,以此來提高預測精度。最后通過實驗數據驗證了本文所提需水預測方法的有效性。
【學位授予單位】：河北工程大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TU991.31;TP183

【參考文獻】

相關期刊論文 前10條

1 袁偉;陳曉東;;基于GA-BP神經網絡與LSSVM支持向量機的日用水量組合預測模型[J];水電能源科學;2015年10期

2 崔東文;金波;;基于和聲搜索算法的BP神經網絡需水預測模型應用研究[J];人民珠江;2015年04期

3 劉洪波;鄭博一;蔣博齡;;基于人工魚群神經網絡的城市時用水量預測方法[J];天津大學學報(自然科學與工程技術版);2015年04期

4 王賀;胡志堅;張翌暉;李晨;楊楠;王戰(zhàn)勝;;基于聚類經驗模態(tài)分解和最小二乘支持向量機的短期風速組合預測[J];電工技術學報;2014年04期

5 葉苗;程小輝;;改進的緊致遺傳算法求解族狀旅行商問題[J];微電子學與計算機;2013年08期

6 張京軍;劉文娟;劉光遠;;基于改進免疫遺傳算法的網格任務調度[J];河北工程大學學報(自然科學版);2013年02期

7 張秋余;朱學明;;基于GA-Elman神經網絡的交通流短時預測方法[J];蘭州理工大學學報;2013年03期

8 陳法法;湯寶平;黃慶卿;;免疫遺傳優(yōu)化Elman神經網絡的旋轉機械故障診斷[J];重慶大學學報;2012年05期

9 董文智;張超;;基于EEMD能量熵和支持向量機的軸承故障診斷[J];機械設計與研究;2011年05期

10 田豐;姚愛民;孫小平;王傳云;范立磊;;基于個體相似度的雙種群遺傳算法[J];計算機工程與設計;2011年05期

相關博士學位論文 前1條

1 田方;遺傳算法的改進研究及其在壓縮機性能分析與優(yōu)化中的應用[D];東北大學;2006年

相關碩士學位論文 前6條

1 欒勇;分布式城市需水預測模型研究及應用[D];中國水利水電科學研究院;2017年

2 石也;卡爾曼濾波和混合智能算法在城市日用水量預測的應用研究[D];浙江工業(yè)大學;2016年

3 孫s，

本文編號：2699843